直线段是现实场景中一种常见的几何特征,被广泛应用于各类视觉任务中。现有的主流算法在单一的尺度下检测直线段。检测算法选择较低的尺度值虽然能够保证准确的直线段位置,但会产生大量的冗余检测线段;而选择较高的尺度值虽然能够有效的抑制冗余信息,但直线段的位置会发生偏移。为此,可以融合图像在多个尺度下的特征来提高直线段检测效果。本文就以上的课题展开相关研究,研究内容及创新点主要包含以下三个方面。根据直线段特征在不同尺度下的表现,提出基于多尺度融合的直线段检测算法。首先,利用高斯滤波得到图像的尺度空间表示,计算梯度方向及梯度幅值。然后在不同尺度下分别区域生长,融合后得到一个粗糙的线支持区域,由此提高检测的召回率。最后计算区域的最小外接矩形,并对密度过小的矩形做二分优化,减少错误检测。仿真实验表明新算法在主观和客观上的效果都优于当前的直线段检测算法。研究直线段验证策略,并提出一种新的优化方法。图像中的干扰信息容易带来错误检测线段,当前的直线段验证方法基于自身的可信度进行分析判断,而忽略直线段相互之间的联系。为此,我们基于“拟曼哈顿世界”的假设提出一种全局验证方法,将直线段之间的联系作为可信度判断的依据。实验结果表明,与现有的验证方法相比,新的验证方法能够更有效过滤错误检测线段,从而显著提高检测精度。研究直线段检测的评估算法,完善现有的测评体系,并对所提出的检测算法进行系统地评估。在过去的研究发展中,缺乏一个客观合理的评价体系。我们从主观测评和客观测评两个方面对检测结果进行评估。在主观评估方面,对直线段检测效果给出一个系统的定义;在客观评估方面,完善了客观测评模型,设计和实现评估算法。通过实验分析验证了提出的客观测评算法的有效性。最后,给出了本文所提出的直线段检测算法和对比算法的测评结果。